学校系统数据处理需求：将HAVE列按大写字母规则拆分为WANT1和WANT2

需求说明 #

将HAVE列数据拆分为WANT1和WANT2两列，规则如下：

• WANT1：提取开头连续大写字母中的前n-1个（n为开头连续大写字母的总数）
• WANT2：提取剩余的所有字符

示例数据 #

HAVE            WANT1   WANT2
CLStephen Five  CL      Stephen Five
RTQQuent Lou X  RTQ     Quent Lou X

实现方法 #

Python 代码示例 #

利用正则表达式匹配开头连续大写字母，再按规则拆分：

import re

def split_have(input_str):
    cap_match = re.match(r'([A-Z]+)(.*)', input_str)
    if cap_match:
        all_caps, remaining = cap_match.groups()
        want1 = all_caps[:-1]
        # 拼接最后一个大写字母和剩余内容，去除多余空格
        want2 = f"{all_caps[-1]}{remaining}".strip()
        return want1, want2
    return "", input_str

# 测试示例数据
test_cases = ["CLStephen Five", "RTQQuent Lou X"]
for case in test_cases:
    w1, w2 = split_have(case)
    print(f"{case:<20} {w1:<6} {w2}")

执行后输出：

CLStephen Five       CL      Stephen Five
RTQQuent Lou X       RTQ     Quent Lou X

SAS 代码示例 #

使用PRX系列函数实现拆分逻辑：

data want_table;
    set have_table;
    regex = prxparse('/^([A-Z]+)(.*)/');
    if prxmatch(regex, HAVE) then do;
        cap_str = prxposn(regex, 1, HAVE);
        rest_str = prxposn(regex, 2, HAVE);
        WANT1 = substr(cap_str, 1, length(cap_str)-1);
        WANT2 = strip(cats(substr(cap_str, length(cap_str)), rest_str));
    end;
    drop regex cap_str rest_str;
run;

内容的提问来源于stack exchange，提问作者bvowe